정서·교육 맥락의 휴먼-에이전트 상호작용 연구

Human-Agent Interaction for Emotion and Education Contexts

연구 내용

사용자 정서와 학습 상황의 변화를 데이터 기반으로 파악하고, AI가 대화·학습 흐름에서 전략을 선택하도록 설계하는 연구

연구는 인간의 정서 상태와 학습·생활 맥락을 관찰 데이터와 대화 데이터로 모델링하고, AI 응답이 상황에 맞게 전략을 선택하도록 만드는 데 초점을 둡니다. 온라인 학습 맥락에서는 teacher-AI 협력 하에 학습 경험의 질적 요인을 분석하고, 일상 알림 사용 로그를 기반으로 아침 정서의 관련 요인을 추정합니다. 또한 Emotional Support Conversation을 탐색-위로-실행 단계로 구조화하고, 멀티태스크 학습에서 태스크 간 간섭을 줄이는 Strategy-Aware Refinement Module을 적용하여 전략 예측과 지원 응답 생성 성능을 동시에 개선합니다.

관련 프로젝트

0건

연구 흐름

초기에는 온라인 댄스 학습에서 teacher-AI 협력이 학습 경험에 미치는 요인을 질적으로 분석하는 연구를 수행했습니다. 이후 스포츠 선호와 K-12 교육과정의 연결성처럼 사회·교육 맥락의 지속 요인을 파악하는 방향으로 확장했습니다. 2024년에는 Alarmy 앱의 일상 로그를 활용해 아침 정서 변화를 관찰하고, 정서와 알림 사용 패턴의 연관성을 종단적으로 추정하는 연구를 진행했습니다. 최근에는 정서 지원 대화를 단계별로 구조화하고, 멀티태스크에서 전략 예측과 응답 생성을 안정적으로 결합하는 모듈을 제안하여 실제 대화 시스템 성능 향상에 집중하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

정서 기반 대화 전략 추천
개인화 학습 코치
앱 로그 기반 기분 모니터링
교육과정-선호 상관 분석
멀티태스크 대화 모델 고도화
사용자 참여도 평가 프레임
사례 기반 교육 콘텐츠 큐레이션
단계형 지원 대화 설계
정서 변동 예측 보조도구
휴먼-인-더-루프 인터랙션 설계